基于变分模态分解的癫痫脑电信号分类方法

发布时间：2021-01-23 01:43

　　癫痫是一种常见的脑部疾病,通过脑电图能非侵入地定位人脑中的致痫区域.为了辨别病灶性和非病灶性癫痫脑电信号,文章提出一种基于变分模态分解的癫痫脑电信号自动检测方法,首先将原信号分割成多个子信号,并对各子信号进行变分模态分解,然后从分解后的不同变分模态函数中提取精细复合多尺度散布熵和精细复合多尺度模糊熵两个特征并利用支持向量机进行分类.针对癫痫脑电的公共数据集,最终的实验结果表明,准确率、灵敏度和特异度三个性能指标分别达到94.24%,95.58%和90.64%,ROC曲线下面积达0.978. 

【文章来源】：电子学报. 2020,48(12)北大核心

【文章页数】：7 页

【文章目录】：
1 引言
2 相关算法
    2.1 变分模态分解（VMD）
    2.2 精细复合多尺度散布熵（RCMDE）
    2.3 精细复合多尺度模糊熵（RCMFE）
3 方法
    3.1 数据集描述
    3.2 EEG数据段分割
    3.3 特征提取
        3.3.1 VMD分解
        3.3.2 提取特征RCMDE和RCMFE
4 实验结果与分析
5 结论



本文编号：2994295